Open-weight-modeller vs. frontiermodeller: afstanden er lukket
En open-weight-model er en model, hvis vægte I kan downloade og køre, hvor I vælger — på jeres egen server, under jeres egen politik, uden tokenmåler og uden en leverandør, der kan ændre modellen under jer. For to år siden betød det valg, at man måtte acceptere en meget svagere model. De aktuelle offentlige tal siger, at det ikke længere er tilfældet.
Tallene, dateret
LiveBench er en offentlig, løbende opdateret benchmark, der vurderer modeller på ræsonnement, kodning, agentisk kodning, matematik, dataanalyse, sprog og instruktionsfølgning. I udgivelsen fra juni 2026 — 66 modeller, hentet den 03.10.2026 — ligger de bedste open-weight-modeller midt i frontierfeltet og fører én kategori uden diskussion:
LiveBench, udgivelse 25.06.2026 · livebench.ai · 66 modeller · hentet 03.10.2026
DeepSeek V4.1 Flash (open-weight, udgivet den 10.09.2026) scorer 77,27 i agentisk kodning, foran det bedste proprietære bidrag, Claude Opus 5.5 max, med 71,72.
Den samme model har et gennemsnit på 81,11 på tværs af alle syv kategorier — foran GPT-5.6 Sol max (81,05), GPT-5.5 xhigh (80,19) og Claude Opus 5 max (80,08). Den samlede førende, Claude Fable 5.1 max med 83,41, ligger cirka 2,3 point foran.
Efter DeepSeek V4.1 Flash: smaug-agentic ligger nr. 13 (79,51), Kimi K3 nr. 15 (79,19), Qwen 3.8 Max nr. 17 (78,46), DeepSeek V4 Pro nr. 23 (77,44) og smaug-flash nr. 24 (77,44).
Bedste open-weight-placering pr. kategori
Hvor den stærkeste open-weight-model står i hver LiveBench-kategori, ud af 66 modeller (samme øjebliksbillede):
| Kategori | Bedste open-weight-placering |
|---|---|
| Agentisk kodning | nr. 1 |
| Instruktionsfølgning | nr. 5 |
| Ræsonnement | nr. 9 |
| Dataanalyse | nr. 9 |
| Kodning | nr. 10 |
| Sprog | nr. 11 |
| Matematik | nr. 16 |
Metodenote: den samlede score er gennemsnittet af de syv kategorigennemsnit, beregnet ud fra LiveBenchs offentliggjorte fil; den kan afvige med nogle få decimaler fra det, sitet selv viser. Benchmarks måler benchmarkopgaver — under en AI-diagnose gentager vi sammenligningen på jeres arbejdsbelastninger, før vi anbefaler noget.
Hvad open-weight ændrer for en virksomhed
Omkostninger og brug
En model, I selv kører, har ingen tokenmåler og ingen licens pr. bruger: næsten ubegrænset brug til prisen for maskinen. For tunge, daglige arbejdsbelastninger er det en brøkdel af API-priserne for frontiermodeller.
Fortrolighed fra grunden
Vægtene kører dér, hvor jeres data ligger. En følsom forespørgsel, der besvares af en lokal open-weight-model, krydser aldrig jeres grænse — der er intet at sløre og ingen opbevaringspolitik at stole på.
Ingen binding
Ingen leverandør kan hæve prisen på modellen, udfase den eller ændre dens adfærd fra den ene dag til den anden. BrainOutput er modelagnostisk: når en stærkere open-weight-model dukker op, benchmarker vi den og skifter aliasset — jeres workflows ændrer sig ikke.
Hvor frontieren stadig fører — og hvordan vi router
Ærligt talt: frontieren ligger samlet set stadig foran. Den bedste proprietære model fører i LiveBench-udgivelsen fra juni 2026 med cirka 2,3 point over den bedste open-weight-model, og proprietære bidrag topper seks af de syv kategorier.
Derfor router BrainOutput pr. opgave i stedet for at satse på én model. Følsomt arbejde går til en open-weight-model på jeres hardware eller private sky — punktum. Ikke-følsomt arbejde må gå til en frontier-API, når den reelt er stærkere, men kun hvis jeres politik tillader det. Open-weight er standarden; frontieren er en mulighed, I slår til.
Ofte stillede spørgsmål
Hvad er en open-weight-model?
En model, hvis trænede vægte er offentliggjort, så enhver kan downloade den og køre den på sin egen infrastruktur. I lejer ikke svar fra et API — I har selve modellen.
Er open-weight-modeller virkelig lige så gode som frontiermodellerne?
I LiveBench-udgivelsen fra juni 2026 (hentet den 03.10.2026): i agentisk kodning, ja — den bedste open-weight-model ligger nr. 1 af 66. Samlet set ligger den bedste open-weight-model nr. 9 af 66, cirka 2,3 point efter den førende og foran frontiermodeller, der blev udgivet nogle måneder tidligere. Vi siger kun "matcher eller slår", hvor de daterede tal viser det.
Er "open-weight" det samme som "open source"?
Ikke helt: open-weight betyder, at vægtene kan downloades og køres hvor som helst; licensvilkårene varierer fra model til model. Det, der betyder noget i driften, er det samme i begge tilfælde — modellen kan køre på infrastruktur, I kontrollerer, uden forbrugsmåler.
Kan vi køre disse modeller på vores egen hardware?
Ja — det er netop formålet med vores tilbud om hardware og privat inferens. Hvilken model der passer på hvilken maskine, afhænger af modellens størrelse og antallet af samtidige brugere; vi dimensionerer det under AI-diagnosen i stedet for at offentliggøre påstande, vi ikke har målt.
Hvor aktuelle er disse tal?
De stammer fra LiveBench-udgivelsen fra juni 2026, hentet den 03.10.2026; feltet flytter sig hver måned, og placeringerne vil ændre sig. Vi kontrollerer dem igen på tidspunktet for diagnosen, og vores modelsider følger nye udgivelser, efterhånden som de kommer med i benchmarken.
Find ud af, hvad open-weight kan på jeres arbejdsbelastninger
En AI-diagnose kortlægger jeres processer, klassificerer det, der er følsomt, og benchmarker de aktuelle open-weight-modeller på jeres reelle opgaver — daterede tal, denne gang jeres egne.
Kilder
- LiveBench — udgivelsen fra juni 2026 (livebench.ai) — tilgået den 2026-10-03